我需要估计一个高斯模型的参数。我喜欢使用自启动来选择参数。我已经使用具有不同数据集的逻辑模型做了类似的事情。我想知道SSlogis是否对高斯有类似的功能
x <- runif(20)
y <- rexp(20)
a <- data.frame(x,y)
log_model <- nls(y~SSlogis(x, phi1, phi2, phi3), data = a)
我想要做的是一种类似的方法,但是使用高斯模型。我没有找到类似于SSlogis的高斯分布函数。 R文档说有一个SSgauss
函数,但我没有找到它https://www.rdocumentation.org/packages/xcms/versions/1.48.0/topics/SSgauss
我看到了与我想要的python3代码类似的东西。
def gaussian_f(x,a,b,c):
y = a * np.exp(-0.5 * ((x-b)/c)**2)
return y
##optimize from scipy
gaussian_m, cov = optimize.curve_fit(gaussian_f, x=np.arrange(len(a["y"])), y=dtf["y"].values, maxfev=10000, p0=[1,np.mean(a["y"]) ,1]
答案 0 :(得分:1)
R是开源的,Bioconductor在下面的软件包xcms中发布
许可:GPL(> = 2)
因此,只要用户遵守许可条款,就可以下载和使用函数SSgauss
的源代码。
这是文件xcms/R/models.R
中找到的功能的源代码。
SSgauss <- selfStart(~ h*exp(-(x-mu)^2/(2*sigma^2)), function(mCall, data, LHS) {
xy <- sortedXyData(mCall[["x"]], LHS, data)
len <- dim(xy)[1]
xyarea <- sum((xy[2:len,2]+xy[1:(len-1),2])*(xy[2:len,1]-xy[1:(len-1),1]))/2
maxpos <- which.max(xy[,2])
mu <- xy[maxpos,1]
h <- xy[maxpos,2]
sigma <- xyarea/(h*sqrt(2*pi))
value <- c(mu, sigma, h)
names(value) <- mCall[c("mu", "sigma", "h")]
value
}, c("mu", "sigma", "h"))
现在将高斯模型拟合到问题中的数据集。
x <- runif(20)
y <- rexp(20)
a <- data.frame(x, y)
gauss_model <- nls(y ~ SSgauss(x, mu, sigma, h), data = a)
summary(gauss_model)
#
#Formula: y ~ SSgauss(x, mu, sigma, h)
#
#Parameters:
# Estimate Std. Error t value Pr(>|t|)
#mu 0.5844 0.0989 5.909 1.72e-05 ***
#sigma 0.3540 0.1436 2.465 0.02463 *
#h 1.2453 0.3364 3.702 0.00177 **
#---
#Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
#Residual standard error: 0.7832 on 17 degrees of freedom
#
#Number of iterations to convergence: 9
#Achieved convergence tolerance: 2.897e-06